CN105281291B - 一种剩余电流保护器及其电流保护方法 - Google Patents
一种剩余电流保护器及其电流保护方法 Download PDFInfo
- Publication number
- CN105281291B CN105281291B CN201510821568.4A CN201510821568A CN105281291B CN 105281291 B CN105281291 B CN 105281291B CN 201510821568 A CN201510821568 A CN 201510821568A CN 105281291 B CN105281291 B CN 105281291B
- Authority
- CN
- China
- Prior art keywords
- residual current
- current
- neural network
- acquisition
- protective device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Measurement Of Current Or Voltage (AREA)
- Emergency Protection Circuit Devices (AREA)
Abstract
本发明公开了一种剩余电流保护器及其电流保护方法，该保护器包括：负载电流互感器，置于火线上，用于采样检测负载的电流；剩余电流互感器，置于火线和零线上，用于采集检测剩余电流；继电器，置于火线和零线上，用于将输入交流电连接至负载；信号采集与计量部分，以该负载电流互感器和剩余电流互感器的采集信号为输入，并将结果输出至神经网络微控制器；神经网络微控制器，确定合适的剩余电流动作阈值，并向开入开出控制电路输送控制信号；开入开出控制回路，用于接收该神经网络微控制器输出的控制信号，经驱动后控制该继电器的开入或开出；通信回路，用于将系统信息回传控制中心备份或警示；电源电路，用于产生其他电路运作所需电源。
Description
技术领域
本发明涉及一种剩余电流保护器及其电流保护方法，特别是涉及一种应用快速傅里叶变换得到剩余电流的特征并利用神经网络算法确定合适的剩余电流动作阈值的剩余电流保护器及其电流保护方法。
背景技术
目前，剩余电流保护器应用的环境越来越复杂。随着电力电子设备的急剧增加，电网中的直流分量、高低次谐波问题越来越突出，导致广泛应用的AC型剩余电流保护技术不能有效检测并确保可靠脱扣。由于不同电网正常运行下的正常漏电水平相差很大，甚至同一电网，在不同季节，湿度、温度变化时，正常漏电流变化也很大。如果采用漏电电流动作值固定的剩余电流保护器，在电网正常漏电电流较大的情况下，保护器容易误动作，使电网的投运率降低。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种剩余电流保护器及其电流保护方法，其基于研究非正弦剩余电流对剩余电流动作保护器动作特性的影响，应用快速傅里叶变换得到剩余电流的特征，并利用神经网络算法确定合适的剩余电流动作阈值，使得本发明的剩余电流保护器的投运率和正确动作率满足国家电网公司的要求，并提高了对人身安全的保护效果。
为达上述及其它目的，本发明提出一种剩余电流保护器，包括：
负载电流互感器，置于火线上，用于采样检测负载的电流，其连接至信号采集与计量部分；
剩余电流互感器，置于火线和零线上，用于采集检测剩余电流，其连接至信号采集与计量部分；
继电器，置于火线和零线上，用于将输入交流电连接至负载；
信号采集与计量部分，以该负载电流互感器和剩余电流互感器的采集信号为输入，用于采集和计量负载电流和剩余电流，并将结果输出至神经网络微控制器；
神经网络微控制器，用于接收该信号采集与计量部分输出的负载电流和剩余电流值，确定合适的剩余电流动作阈值，并向开入开出控制电路输送控制信号。
开入开出控制回路，用于接收该神经网络微控制器输出的控制信号，经驱动后控制该继电器的开入或开出；
通信回路，用于将系统信息回传控制中心备份或警示；
电源电路，用于产生其他电路运作所需电源。
进一步地，该神经网络微控制器对获得的剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值。
进一步地，该神经网络控制器根据获得的杂波含量及剩余电流有效值利用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向该开入开出控制回路输送控制信号。
进一步地，该剩余电流互感器采用磁调制传感器。
进一步地，该剩余电流互感器采用电磁式电流互感器法或霍尔电流传感器法或磁调制电流互感器法获得剩余电流。
进一步地，该电源电路包含电源变压器、通信电源、开关电源和线性电源。
为达到上述目的，本发明还提供一种剩余电流保护器的电流保护方法，包括如下步骤：
步骤一，信号采集与计量部分采集和计量负载电流互感器与剩余电流互感器采用的负载电流和剩余电流；
步骤二，神经网络微控制器接收信号采集与计量部分输出的负载电流和剩余电流值，确定合适的剩余电流动作阈值，并判断是否脱扣，向开入开出控制回路输送控制信号；
步骤三，该开入开出控制回路接收到神经网络微控制器输出的控制信号后，经驱动后控制继电器的开入或开出。
进一步地，于步骤二中，该神经网络控制器对获得的剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值。
进一步地，该神经网络控制器根据获得的杂波含量及剩余电流有效值利用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向该开入开出控制回路输送控制信号。
进一步地，该剩余电流互感器采用磁调制传感器。
与现有技术相比，本发明一种剩余电流保护器及其电流保护方法，其基于研究非正弦剩余电流对剩余电流动作保护器动作特性的影响，应用快速傅里叶变换得到剩余电流的特征，并利用神经网络算法确定合适的剩余电流动作阈值，使得本发明的剩余电流保护器的投运率和正确动作率满足国家电网公司的要求，并提高了对人身安全的保护效果。
附图说明
图1为本发明一种剩余电流保护器的结构示意图；
图2为本发明一种剩余电流保护器的电流保护方法的步骤流程图；
图3为本发明较佳实施例中基于BP神经网络的算法流程示意图；
图4为本发明较佳实施例中基于BP神经网络的预测过程示意图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种剩余电流保护器的结构示意图。如图1所示，本发明一种剩余电流保护器，包括：负载电流互感器10、剩余电流互感器20、继电器30、信号采集与计量部分40、开入开出控制回路50、电源电路60、神经网络微控制器70和通信回路80。
其中，负载电流互感器10置于火线上，用于采样检测负载的电流，其连接至信号采集与计量部分40；剩余电流互感器20置于火线和零线上，用于采集检测剩余电流(漏电流)，其连接至信号采集与计量部分40，在本发明中，剩余电流互感器20采用磁调制传感器，目前常用的非接触式电流检测方法主要有电磁式电流互感器法、霍尔电流传感器法和磁调制电流互感器法，在太空探索领域，例如人造卫星和火箭姿态的控制以及太空中“太阳风”和星际磁场图形的测绘等。由于磁调制式磁强计分辨率较高、测量弱磁场的范围较宽，并且可靠性高、简单耐用，目前仍是测量弱磁场的基本仪器之一。
继电器30置于火线和零线上，用于将输入交流电连接至负载；信号采集与计量部分40以负载电流互感器10和剩余电流互感器20的采集信号为输入，用于将采集和计量负载电流和剩余电流，并将结果输出至神经网络微控制器70；神经网络微控制器70用于接收信号采集与计量部分40输出的负载电流和剩余电流值，并对剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值，并选用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向开入开出控制回路50输送控制信号；开入开出控制回路50用于接收神经网络微控制器70输出的控制信号，经驱动后控制继电器30的开入或开出，通信回路80用于将系统信息回传控制中心备份或警示，电源电路60包含电源变压器、通信电源、开关电源和线性电源，用于产生其他电路运作所需电源。
具体地，输入交流电火线首先穿过负载电流互感器10，然后火线和零线同时穿过剩余电流互感器20连接至继电器30的输入端，继电器30的输出端连接至负载，负载电流互感器10和剩余电流互感器20的采集信号连接至信号采集与计量部分40，信号采集与计量部分40连接至神经网络微控制器70，神经网络微控制器70连接通信回路80并输出控制信号至开入开出控制回路50，开入开出控制回路50连接继电器30的控制端，电源60连接其他电路(信号采集与计量部分40、开入开出控制回路50、神经网络微控制器70和通信回路，80未示出)，也可向系统外提供电源。
图2为本发明一种剩余电流保护器的电流保护方法的步骤流程图。如图2所示，本发明一种剩余电流保护器的电流保护方法，包括如下步骤：
步骤201，信号采集与计量部分采集和计量负载电流互感器与剩余电流互感器采用的负载电流和剩余电流，在本发明中，，剩余电流互感器采用磁调制传感器，目前常用的非接触式电流检测方法主要有电磁式电流互感器法、霍尔电流传感器法和磁调制电流互感器法。
步骤202，神经网络微控制器接收信号采集与计量部分输出的负载电流和剩余电流值，并对剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值，并选用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向开入开出控制回路输送控制信号；
步骤203，该开入开出控制回路接收到神经网络微控制器输出的控制信号后，经驱动后控制继电器的开入或开出。
步骤202中，神经网络微控制器接收信号采集与计量部分输出的负载电流和剩余电流值，并对剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值，并选用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向开入开出控制回路输送控制信号。具体如下：
1、频谱分析：
对剩余电流的样本数据进行快速傅里叶变换，得到幅频特性：
根据幅频特性，得到剩余电流的主要频率范围[ωL,ωH],ωL,ωH分别为波动频率范围的下限值和上限值。在主要频率范围以外的即为杂波分量Ic。
剩余电流参考有效值为|I(k)|m为剩余电流最大值。
2、基于BP神经网络算法原理
BP神经网络模型由输入层、隐含层和输出层组成，隐含层根据层数又可以分为单隐含层和多隐含层。多隐含层由多个单隐含层组成，同单隐含层相比，多隐含层泛化能力强，预测精度高，但是训练时间较长。隐含层层数的选择要从网络精度和训练时间上综合考虑，对于较简单的映射关系，在网络精度达到要求的情况下，可以选择单隐含层，以求加快速度；对复杂的映射关系，则可以选择多隐含层，以期提高网络的预测精度。
BP神经网络构建时应注意隐含层节点数的选择，如果隐含层含节点数太少，BP网络不能建立复杂的映射关系，网络预测一误差较大。但是如果节点数过多，网络学习时间增加，并且可能出现“过拟合”现象，就是训练样本顶测准确，但是其他样本预测误差较大。
本发明基于BP神经网络的过程可以分为BP神经网络构建、BP神经网络训练和BP神经网络预测三步，如图3所示。
3、基于BP神经网络的预测步骤
其流程如图4所示:
1)数据选择和归一化
选择样本输入数据n组，选择数据能够覆盖温度、湿度、波形特征(剩余电流最大值、选择的主要频率范围[ωL,ωH])，将数据存储在数据文件中，从输入输出数据中随机选取m组数据作为训练数据，n-m组数据作为测试数据，并对训练数据进行归一化处理。
2)BP神经网络训练
用训练数据训练BP神经网络，
3)BP神经网络预侧
用训练好的BP神经网络计算动作阈值。并与计算得到的剩余电流参考有效值Iref比较，确定是否脱扣。
综上所述，本发明一种剩余电流保护器及其电流保护方法，其基于研究非正弦剩余电流对剩余电流动作保护器动作特性的影响，应用快速傅里叶变换得到剩余电流的特征，并利用神经网络算法确定合适的剩余电流动作阈值，使得本发明的剩余电流保护器的投运率和正确动作率满足国家电网公司的要求，并提高了对人身安全的保护效果。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。
Claims (10)
1.一种剩余电流保护器，包括：
负载电流互感器，置于火线上，用于采样检测负载的电流，其连接至信号采集与计量部分；
剩余电流互感器，置于火线和零线上，用于采集检测剩余电流，其连接至信号采集与计量部分；
继电器，置于火线和零线上，用于将输入交流电连接至负载；
信号采集与计量部分，以该负载电流互感器和剩余电流互感器的采集信号为输入，用于采集和计量负载电流和剩余电流，并将结果输出至神经网络微控制器；
神经网络微控制器，用于接收该信号采集与计量部分输出的负载电流和剩余电流值，对剩余电流进行快速傅里叶变换，根据剩余电流的波形特征、温度以及湿度计算确定合适的剩余电流动作阈值，并向开入开出控制电路输送控制信号；
开入开出控制回路，用于接收该神经网络微控制器输出的控制信号，经驱动后控制该继电器的开入或开出；
通信回路，用于将系统信息回传控制中心备份或警示；
电源电路，用于产生其他电路运作所需电源。
2.如权利要求1所述的一种剩余电流保护器，其特征在于：该神经网络微控制器对获得的剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值。
3.如权利要求2所述的一种剩余电流保护器，其特征在于：该神经网络微控制器根据获得的杂波含量、剩余电流有效值、温度以及湿度利用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向该开入开出控制回路输送控制信号。
4.如权利要求3所述的一种剩余电流保护器，其特征在于：该剩余电流互感器采用磁调制传感器。
5.如权利要求4所述的一种剩余电流保护器，其特征在于：该剩余电流互感器采用电磁式电流互感器法或霍尔电流传感器法或磁调制电流互感器法获得剩余电流。
6.如权利要求5所述的一种剩余电流保护器，其特征在于：该电源电路包含电源变压器、通信电源、开关电源和线性电源。
7.一种剩余电流保护器的电流保护方法，包括如下步骤：
步骤一，信号采集与计量部分采集和计量负载电流互感器与剩余电流互感器采样的负载电流和剩余电流；
步骤二，神经网络微控制器接收信号采集与计量部分输出的负载电流和剩余电流值，对剩余电流进行快速傅里叶变换，根据剩余电流的波形特征、温度以及湿度计算确定合适的剩余电流动作阈值，并判断是否脱扣，向开入开出控制回路输送控制信号；
步骤三，该开入开出控制回路接收到神经网络微控制器输出的控制信号后，经驱动后控制继电器的开入或开出。
8.如权利要求7所述的一种剩余电流保护器的电流保护方法，其特征在于：于步骤二中，该神经网络微控制器对获得的剩余电流进行快速傅里叶变换，得到频谱特性图，寻找所含杂波频谱特性的差异作为波形识别的依据，计算出杂波含量及剩余电流有效值。
9.如权利要求8所述的一种剩余电流保护器的电流保护方法，其特征在于：该神经网络微控制器根据获得的杂波含量、剩余电流有效值、温度以及湿度利用神经网络算法确定合适的剩余电流动作阈值，并判断是否脱扣，向该开入开出控制回路输送控制信号。
10.如权利要求7所述的一种剩余电流保护器的电流保护方法，其特征在于：该剩余电流互感器采用磁调制传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510821568.4A CN105281291B (zh) | 2015-11-23 | 2015-11-23 | 一种剩余电流保护器及其电流保护方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510821568.4A CN105281291B (zh) | 2015-11-23 | 2015-11-23 | 一种剩余电流保护器及其电流保护方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105281291A CN105281291A (zh) | 2016-01-27 |
| CN105281291B true CN105281291B (zh) | 2019-02-22 |
Family
ID=55149847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510821568.4A Expired - Fee Related CN105281291B (zh) | 2015-11-23 | 2015-11-23 | 一种剩余电流保护器及其电流保护方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105281291B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112072609B (zh) * | 2020-09-28 | 2022-06-24 | 国网山东省电力公司莱芜供电公司 | 一种漏电保护器动作电流的调整方法 |
| CN113985158B (zh) * | 2021-09-18 | 2023-09-12 | 河北工业大学 | 剩余电流保护检验方法、检验装置、电子设备及存储介质 |
| CN115081625B (zh) * | 2022-07-21 | 2022-11-11 | 常安集团有限公司 | 小型断路器智能控制方法及系统 |
| CN116908518B (zh) * | 2023-07-13 | 2024-04-05 | 浙江恒业电子股份有限公司 | 一种带剩余电流检测的采集终端 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN200950530Y (zh) * | 2006-09-30 | 2007-09-19 | 湖南科技大学 | 开关多功能智能综合保护装置 |
| CN102255278A (zh) * | 2011-07-01 | 2011-11-23 | 河北工业大学 | 一种漏电综合保护器 |
| CN202210332U (zh) * | 2011-08-22 | 2012-05-02 | 彭浩明 | 一种电气火灾网络智能报警系统 |
| CN103543375A (zh) * | 2013-08-26 | 2014-01-29 | 上海交通大学 | 基于小波变换和时域混合特征的交流故障电弧检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2804060C (en) * | 2004-09-03 | 2015-08-25 | Watlow Electric Manufacturing Company | Power control system |
-
2015
- 2015-11-23 CN CN201510821568.4A patent/CN105281291B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN200950530Y (zh) * | 2006-09-30 | 2007-09-19 | 湖南科技大学 | 开关多功能智能综合保护装置 |
| CN102255278A (zh) * | 2011-07-01 | 2011-11-23 | 河北工业大学 | 一种漏电综合保护器 |
| CN202210332U (zh) * | 2011-08-22 | 2012-05-02 | 彭浩明 | 一种电气火灾网络智能报警系统 |
| CN103543375A (zh) * | 2013-08-26 | 2014-01-29 | 上海交通大学 | 基于小波变换和时域混合特征的交流故障电弧检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105281291A (zh) | 2016-01-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Karmacharya et al. | Fault location in ungrounded photovoltaic system using wavelets and ANN | |
| CN105281291B (zh) | 一种剩余电流保护器及其电流保护方法 | |
| Adly et al. | Critical aspects on wavelet transforms based fault identification procedures in HV transmission line | |
| Rathore et al. | Wavelet‐alienation based transmission line protection scheme | |
| CN104764985B (zh) | 一种基于参数辨识估计油纸绝缘系统低频介损方法 | |
| Wang | Partial discharge pattern recognition of current transformers using an ENN | |
| Ekici et al. | A transmission line fault locator based on Elman recurrent networks | |
| CN105241498B (zh) | 一种基于弱磁探测的直流架空输电线路弧垂和应力监测方法 | |
| Wang et al. | Application of extension neural network algorithm and chaos synchronization detection method to partial discharge diagnosis of power capacitor | |
| CN105572501A (zh) | 一种基于sst变换和ls-svm的电能质量扰动识别方法 | |
| Cui et al. | HVDC transmission line fault localization base on RBF neural network with wavelet packet decomposition | |
| Chang | Non-intrusive fault identification of power distribution systems in intelligent buildings based on power-spectrum-based wavelet transform | |
| Malik et al. | A contactless method for unbalanced loading detection in power distribution lines by magnetic measurements | |
| Samet et al. | A similarity-based framework for incipient fault detection in underground power cables | |
| Lindahl et al. | Noncontact electrical system monitoring on a US Coast Guard cutter | |
| MT Ibraheem Al-Naib et al. | A Cost-Effective Method for Power Factor Metering Systems | |
| Zhao et al. | Testing and modelling of voltage transformer for high order harmonic measurement | |
| Goh et al. | Hybrid FFT‐ADALINE algorithm with fast estimation of harmonics in power system | |
| Huang et al. | Research on the online measuring technology of inter‐turn insulation of dry air‐core reactor | |
| CN104111438B (zh) | 一种电流互感器误差测试试验中一次大电流回路监控方法 | |
| Karmakar et al. | Machine learning approach to estimation of internal parameters of a single phase transformer | |
| CN104391145A (zh) | 在线低压漏电偷电测试装置及其实现方法 | |
| CN105699883B (zh) | 一种模拟电路健康预测方法 | |
| Chen et al. | A new scheme for fault location of three‐terminal parallel transmission lines without transposer | |
| Rongjie et al. | Application of similarity in fault diagnosis of power electronics circuits |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190222 Termination date: 20211123 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |